Marcar no es responsabilizarse

Durante los últimos tres años, cada vez que alguien preguntaba cómo íbamos a distinguir el texto escrito por una persona del generado por una IA, la respuesta llegaba envuelta en la misma promesa: ya lo estamos resolviendo, dennos tiempo. La solución se llamaba watermarking. Una marca invisible a simple vista pero legible por una máquina, que viajaría pegada al texto como una huella dactilar y que, tarde o temprano, estaría disponible para cualquiera que quisiera comprobar el origen de lo que estaba leyendo.

El 11 de agosto, Anthropic cumplió esa promesa. Parcialmente, y con tres años de retraso.

Una marca que dice menos de lo que promete

Lo que anunció Anthropic es, en lo técnico, razonablemente elegante. Cada vez que Claude genera texto, el modelo elige entre varias palabras casi equivalentes para completar una frase; el watermarking sesga esa elección según una clave secreta y las palabras que la preceden, dejando un patrón estadístico que solo alguien con esa clave puede detectar. No son caracteres Unicode ocultos ni metadatos añadidos al final: la marca está tejida en la propia elección de palabras, se aplica a nivel de modelo —así que viaja con el texto sin importar si sale de la app de Claude, de la API, de Claude Code o de Claude Cowork— y sobrevive, dice Anthropic, a algo de edición posterior. Para imágenes, la compañía se apoya en C2PA, el estándar que firma criptográficamente un archivo con quién lo creó y con qué herramienta.

Hasta aquí, la parte que se puede anunciar sin matices. Los matices llegaron cuatro días después, el 15 de agosto, cuando Anthropic detalló sus propios límites: la detección falla en textos cortos, es poco fiable cuando el contenido está limitado por hechos —hay pocas formas alternativas de escribir una fecha o una fórmula química— y se vuelve inútil si la edición posterior es mínima, porque no quedan suficientes palabras marcadas para acumular una señal fiable. Y, sobre todo, admitió lo que cualquier estudiante ya sospechaba: una reescritura completa, palabra por palabra, borra la marca sin dejar rastro.

Lo que queda, entonces, no es una respuesta a “¿escribió esto una persona o una IA?”. Es, como resumió con precisión el análisis técnico de explainx.ai, “un filtro de volumen, no un juicio”: la marca no distingue entre quien generó automáticamente mil artículos de spam y quien le pidió a Claude que puliera un párrafo de su propia redacción. Solo dice que Claude, en algún momento, tuvo algo que ver.

Anthropic ya había prometido esto, dos veces

Nada de esto es nuevo, y esa es la parte que el titular de agosto no cuenta. En julio de 2023, Anthropic fue una de las siete empresas —junto a Amazon, Google, Inflection, Meta, Microsoft y OpenAI— que firmaron los compromisos voluntarios de la Casa Blanca, entre los que figuraba desarrollar mecanismos de marcado para contenido de audio e imagen generado por IA. Texto no entraba en esa lista: es la modalidad más difícil de marcar sin degradar la calidad, y la más fácil de borrar con una reescritura.

OpenAI, mientras tanto, ya tenía resuelto el problema técnico desde antes. Según documentos internos citados por el Wall Street Journal, la compañía construyó una herramienta de watermarking para ChatGPT con una efectividad del 99,9% sobre texto suficientemente largo, y la tuvo lista durante casi un año sin publicarla. Las razones que dio fueron, en sí mismas, una confesión: casi un 30% de los usuarios encuestados dijo que usaría menos el producto si supiera que su texto quedaba marcado, y la empresa temía que la marca estigmatizara de forma desproporcionada a quienes no escriben en inglés como lengua materna, cuyo estilo ya generaba más falsos positivos en los detectores antiguos. El clasificador público que sí lanzó OpenAI, en enero de 2023, se retiró en silencio seis meses después por su baja precisión.

Google DeepMind, por su parte, llevaba desde 2023 aplicando SynthID a imágenes de Imagen, lo extendió a texto en 2024 y, para mayo de 2026, había marcado más de diez mil millones de piezas de contenido en sus productos. La tecnología que Anthropic anuncia como propia en agosto de 2026 se basa, de hecho, en el mismo método que DeepMind publicó dos años antes. No hubo un avance técnico que desbloqueara el watermarking de texto esta semana. Hubo, simplemente, una fecha límite.

El calendario lo puso una ley, no una convicción

Esa fecha límite es el 2 de agosto de 2026, cuando entró en vigor el artículo 50 del Reglamento de IA de la Unión Europea, que obliga a cualquier proveedor de sistemas generativos a marcar sus salidas —texto incluido— de forma legible por máquina y detectable como sintética. El Código de Prácticas que desarrolla ese artículo, redactado con participación de las propias empresas afectadas, exige un enfoque en varias capas: metadatos incrustados, marca de agua imperceptible y registro de los eventos de generación. Anthropic llevaba meses comprometida con ese código; el anuncio del 11 de agosto es, en gran medida, la ejecución de esa firma.

Lo revelador es lo que pasa fuera de Europa. Anthropic decidió activar el watermarking en todo el mundo, no solo donde la ley lo exige, lo cual suena a gesto de responsabilidad global hasta que se compara con lo que ya exige China desde septiembre de 2025: etiquetas explícitas, visibles para el usuario, y etiquetas implícitas, incrustadas como metadatos, sobre todo tipo de contenido sintético distribuido en plataformas como WeChat, Douyin o Weibo, bajo pena de multas y suspensión del servicio. Frente a esa obligación dura, la Unión Europea impone una obligación técnica pero sin etiqueta visible generalizada, y Estados Unidos no impone ninguna: solo California, con su Ley de Transparencia de IA, empieza a exigir algo parecido para audio, imagen y vídeo. El mapa que queda es el de siempre: unos pocos reguladores obligan, y el resto de proveedores adoptan la versión más ligera de esa obligación como estándar de facto, presentándola como iniciativa propia.

Una marca sirve, sobre todo, a quien la emite

Conviene preguntar qué gana Anthropic con esto, más allá de cumplir una ley que la obligaba de todos modos. La respuesta tiene dos capas. La primera es legal: frente a un regulador, a un litigio por difusión de desinformación o a una investigación periodística sobre contenido sintético, la compañía ya no responde “no lo sabemos”; responde “publicamos una API de detección”, exista o no una forma práctica de que alguien fuera de Anthropic la use con garantías. La segunda es competitiva: en un mercado saturado de lo que la prensa empezó a llamar AI slop —contenido genérico, producido en masa, que erosiona la confianza en cualquier texto que huela a IA—, ser la empresa que “hace algo” al respecto es, en sí mismo, un argumento de venta frente a anunciantes y plataformas preocupadas por la seguridad de marca.

Ninguna de las dos capas exige que la marca funcione bien para el lector. Anthropic no ha publicado tasas de falsos positivos, no ha explicado quién tendrá acceso a la API de detección más allá de “planea publicarla”, y no ha descrito ningún procedimiento para que alguien impugne una detección que le perjudica. Es la misma ausencia que ya vimos, en este mismo mes, cuando analizamos quién audita las autoevaluaciones de seguridad que publican los laboratorios de IA: la empresa diseña la prueba, la empresa decide qué cuenta como positivo, y la empresa decide, más adelante, quién puede verificar ese resultado.

El coste de la duda recae aguas abajo

La marca que no distingue bien todavía se va a usar como si distinguiera perfectamente, y quien va a pagar ese error no es Anthropic. Ya ha pasado antes, sin necesidad de watermarking: los detectores de estilo de la generación anterior —Turnitin, GPTZero y similares— llevan dos años generando falsos positivos que han perjudicado de forma desproporcionada a estudiantes que no escriben en inglés como lengua materna y a autores con un estilo poco convencional, sin que existiera ningún mecanismo formal de apelación. En agosto de 2026, dos casos concretos ilustran hacia dónde se dirige este mismo problema con una marca supuestamente más precisa: la agente literaria de Jerry Falade retiró su respaldo a la novela “Call Me, I’ll Hide the Body” tras acusaciones de uso de IA que el autor niega, y Hachette retiró la novela de terror “Shy Girl” después de que su autora, Mia Ballard, dijera al New York Times que no había usado IA y que sospechaba que un editor freelance había introducido el material cuestionado sin que ella lo supiera.

Una marca que dice “Claude tuvo algo que ver” no distingue entre esos dos escenarios y el de alguien que generó mil artículos de relleno para monetizar anuncios. Pero un colegio, una editorial o una plataforma que reciba esa marca no va a tratarla como el filtro de volumen impreciso que es: la va a tratar como prueba, porque tratarla como prueba es más barato que investigar caso por caso. El diseño técnico de la marca —deliberadamente débil, fácil de borrar con una reescritura completa, incapaz de decir cuánto texto es de origen humano— traslada la ambigüedad de Anthropic a cualquiera que reciba esa marca sin la capacidad de cuestionarla.

Marcar no es responder por lo marcado

Nada de esto convierte al watermarking en una mala idea. Un mundo con marcas de agua imperfectas es mejor que un mundo sin ninguna, y la alternativa —detectores de estilo entrenados a adivinar, sin ninguna garantía estadística— ya demostró ser peor. El problema no es que Anthropic haya construido esta tecnología. Es la distancia entre lo que la marca puede hacer y lo que se va a esperar que haga, una distancia que la propia empresa reconoce en la letra pequeña de su anuncio y que no aparece en el titular.

El watermarking no se diseñó, ante todo, para que el lector supiera. Se diseñó para que la empresa pudiera demostrar, ante quien preguntara, que lo intentó. Esa diferencia explica por qué la marca es deliberadamente débil, por qué tardó tres años en llegar al texto después de prometerse para audio e imagen, y por qué nadie ha resuelto todavía la pregunta más incómoda: qué hace un colegio, una editorial o un lector cuando la única prueba que tiene es una marca que su propio fabricante advierte que no hay que tomar como prueba.